r语言怎么用逻辑回归逻辑回归做预测

Python013

r语言怎么用逻辑回归逻辑回归做预测,第1张

逻辑回归是回归模型,其中响应变量(因变量)具有明确的值,如:True/False或0/1。它实际测量二元响应作为响应变量,是基于与预测变量有关它的数学方程的值的概率。逻辑回归一般的数学公式是:y=1/(1+e^-(a+b1x1+b2x2+b3x3+))以下是所使用的参数的说明:y是响应变量。x是预测变量。a和b是数字常量系数。用于创建回归模型的功能是glm()函数。

预测的话,应该用接下来的时间,所以应该是预测2014,2015....

程序如下:

new<-data.frame(year=2014)

lm.pred<-predict(z,new,interval="prediction",level=0.95)

lm.pred

解释:第一行表示输入新的点year=2014,注意,即使就一个点,也要采用数据框结构;第二行的函数predict()给出相应的预测值,参数interval="prediction"表示同时要给出相应的置信区间,参数level=0.95表示相应的概率为0.95.这个参数也可以不写,因为它的缺省值为0.95.

你提到的2013的数据不是预测,而是拟合。我们可以通过得到的模型对原来的year这个变量的数据进行拟合。

程序如下:

fit<-fitted(z)

fit

得到的就是在你得到的模型下2006-2013这8年的拟合值了。

希望能对你有所帮助~

通过使用r语言,对多个个体概率进行统计、比较。

1、对单个个体进行概率分析,可以利用二项分布概率、泊松分布概率,对个体概率进行统计、分析;

2、创建个体概率分布图形,对多个个体概率进行分析、比较。